Sporo informacji przekazywanych podczas rozmów ma znaczenie przede wszystkim w chwili, gdy padają konkretne słowa. Po pewnym czasie pamięć uczestników może być niepełna, a ponowne odsłuchiwanie długiego pliku często utrudnia szybkie odnalezienie potrzebnego fragmentu. Z tego powodu przygotowywana jest transkrypcja nagrań, czyli przeniesienie treści wypowiadanej w materiale audio lub wideo do formy pisemnej.
W współzależności od rodzaju nagrania zapis może dotyczyć jednej osoby lub wieloosobowej rozmowy, a trudność pracy zmienia się wraz z jakością dźwięku. Inaczej wygląda materiał z wyraźną wymową i jednym rozmówcą, a całkiem inaczej spotkanie, w trakcie którego głosy nakładają się na siebie. Znaczenie mają także pauzy, urwane zdania, powtórzenia i fragmenty wypowiadane niewyraźnie (zobacz także: stenogram cennik). W takich przypadkach nie należy samoczynnie zastępować niezrozumiałych słów własną interpretacją, ponieważ wręcz niewielka zmiana może wpłynąć na sens całej wypowiedzi.
Szczególnego znaczenia nabiera zapis materiału, który ma zostać wykorzystany w sprawie formalnej. Transkrypcja do sądu powinna być przygotowywana z uwzględnieniem charakteru nagrania a także celu, któremu ma służyć dokument. Istotne może być dokładne wskazanie rozmówców, zachowanie kolejności wypowiedzi oraz sposobność odnalezienia konkretnego miejsca w materiale źródłowym. Przy dłuższych nagraniach pomocne są oznaczenia czasu, ponieważ pozwalają sprawdzić, z jakiego fragmentu pochodzi dana część zapisu. Nie za każdym razem prawidłowe jest też poprawianie języka osób mówiących. Wypowiedzi ustne różnią się od tekstu pisanego, dlatego występują w nich usterki, powtórzenia czy zdania rozpoczęte i niedokończone. Ich nadmierne wygładzanie może spowodować, że dokument przestanie wiernie przedstawiać przebieg rozmowy. Sposób opracowania powinien zatem wynikać z tego, czego wymaga dokładnie sprecyzowane zastosowanie materiału.
W praktyce bardzo dużo czasu może zająć nie samo wpisywanie słów, lecz rozstrzyganie miejsc problematycznych. Użyteczny stenogram nie powinien opierać się na zgadywaniu, gdy nagranie nie pozwala jednoznacznie ustalić wypowiedzi. Szum uliczny, odgłosy urządzeń, rozmowy prowadzone w tle czy duża odległość od mikrofonu umieją sprawić, że pojedyncze frazę staje się trudne do rozpoznania. Jeszcze większym wyzwaniem są sytuacje, w których rozmówcy mówią równocześnie. Wtedy konieczne może być wielokrotne odsłuchanie krótkiego fragmentu i zestawienie go z kontekstem całej rozmowy. Kontekst pomaga zrozumieć wypowiedź, ale nie powinien być traktowany jako podstawa do dopisywania treści, której realnie nie słychać. W dokumentach o charakterze formalnym zwłaszcza istotne jest rozdzielenie tego, co wynika wprost z nagrania, od tego, co mogłoby być tylko domysłem osoby wykonującej zapis.
Znaczenie ma także sposób przygotowania materiału przed rozpoczęciem pracy. Oryginalne nagranie powinno pozostać dostępne, ponieważ zapis tekstowy nie zastępuje źródła i ewentualnie może wymagać porównania z konkretnym fragmentem audio lub wideo. Przydatne okazuje się także zachowanie jednolitego sposobu oznaczania osób, czasu oraz fragmentów, których nie można z dużą dokładnością odczytać. W przypadku kilku godzin materiału warto zwracać uwagę na ciągłość zapisu, ponieważ zmiana oznaczenia jednego rozmówcy może w późniejszym czasie utrudnić interpretację całego dokumentu. Na prawdę istotna jest także jakość samego pliku. Kompresja, bardzo cichy dźwięk lub nagranie zrobione z sporej odległości mogą ograniczać dokładność zapisu niezależnie od sposobu jego opracowania. Dlatego przy ocenie gotowego dokumentu należy brać pod uwagę nie tylko i wyłącznie formę tekstu, lecz też możliwości i ograniczenia materiału, z którego został on sporządzony.
Zobacz: transkrypcja do sądu.